基于图像处理技术的小麦叶面积指数的提取

为了较好地模拟叶面积指数的变化动态,在大田条件下进行试验,获取5个品种5个密度下不同发育期的小麦群体冠层数字图像,并手工测得实际叶面积。通过研究设计了复杂背景下小麦冠层图像叶面指数的有效提取方法,将图像处理得到的叶面积指数数据与实际测得的数据进行拟合建立模型。结果表明：品种、密度和发育期的差异对拟合模型参数影响显著,对模型经过随机抽取样本图像进行假设检验,均能够通过检验。模型的相关系数平方均达到0.86以上,能够实现高精度的小麦冠层叶面积指数的估测。     

离心泵压水室内部定常和非定常流动PIV测量

为研究离心泵压水室内的流动特性,利用PIV技术在内同步和外同步模式下分别测量了其内部的定常和非定常流场,详细分析了压水室内部流动现象和流动规律。结果表明,压水室内速度沿轴向分布均匀,随圆周角增大而减小;在叶轮和压水室的交界处,存在清晰的速度分界线;受蜗舌的分流作用,部分流体回流入叶轮流道,扩散管入口处速度显著降低;压水室内部周期性非定常流动规律明显,第VIII断面上,速度的大小和波动幅度沿径向均呈减小趋势,周向速度的波动与叶轮流道内部高速流区的位置有关,而径向速度的波动主要受叶片干扰和哥氏力的影响。研究结果为压水室设计以及离心泵内部流动的试验研究提供了借鉴。     

基于高分辨率遥感影像的水土流失监测方法研究

以葫芦岛市为研究对象,根据区域土地利用类型和水土流失影响因子建立水土流失分级指标,运用RS和GIS技术获取水土流失影响因子信息并进行空间叠加分析,实现对区域水土流失状况进行调查、分析和管理,具有快速、准确、客观、经济等优点。该研究方法能够及时掌握区域水土流失现状、水土保持治理状况、水土流失动态变化等信息,为建立水土流失动态监测数据库、实现对水土流失进行动态监测奠定基础,从而有效地促进水土保持工作的顺利开展。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

定向刨花板加固腹板开洞竹木工字梁力学性能研究

为研究定向刨花板(oriented strand board,OSB)加固腹板开洞的竹木工字梁的力学性能,揭示其受力破坏机理。以孔径与腹板高度的比值(d/hw)和补强板型为参数,制作并测试了42根竹木工字梁,考察测试过程中的破坏形态、弯曲变形性能,分析各因素对工字梁力学性能的影响规律。结果表明,当孔径较小(d/hw≤25%)时,试件的破坏形态以翼缘内OSB层裂和腹板剪切破坏为主,孔洞对开洞梁承载力和刚度的影响较小,可忽略不计。当孔径较大(d/hw25%)时,破坏形态以洞口周边受拉和受压破坏为主,随着孔洞直径d增加,孔洞的不利影响愈发明显,开洞梁的承载能力呈下降趋势,但对梁的刚度影响较小。OSB补强板能有效约束孔角裂缝开展,加固后的开洞梁的开裂荷载、正常使用极限状态荷载和承载能力极限状态荷载较未加固开洞梁明显提高,平均提高52.9%、12.1%和28.2%。但OSB补强板对开洞梁抗弯刚度的改善作用不明显,平均提高仅为11.5%。承载力和刚度的提高幅度与补强板类型密切相关,其中,套环定向刨花板(collar oriented strand board,C-OSB)增强效果最好、双U型定向刨花板(two U shaped oriented strand board,TU-OSB)次之,U型定向刨花板(U shaped oriented strand board,U-OSB)最差。C-OSB适合于管道施工前对开洞梁进行加固,而U-OSB和TU-OSB适合加固d/hw不大于75%的开洞梁。粘贴OSB加固开洞竹木工字梁是一种有效的加固方法。     

基于隐马尔科夫模型的深度视频哺乳母猪高危动作识别

哺乳母猪的高危动作和仔猪存活率有密切关系,能直接体现其母性行为能力,而这些高危动作又与其姿态转换的频率、持续时间等密切相关。针对猪舍环境下,环境光线变化、母猪与仔猪黏连、猪体形变等给哺乳母猪姿态转换识别带来的困难。该文以梅花母猪为研究对象,以Kinect2.0采集的深度视频图像为数据源,提出基于Faster R-CNN和隐马尔科夫模型的哺乳母猪姿态转换识别算法,通过FasterR-CNN产生候选区域,并采用维特比算法构建定位管道;利用Otsu分割和形态学处理提取疑似转换片段中母猪躯干部、尾部和身体上下两侧的高度序列,由隐马尔科夫模型识别姿态转换。结果表明,对姿态转换片段识别的精度为93.67%、召回率为87.84%。研究结果可为全天候母猪行为自动识别提供技术参考。     

基于轻量级CNN的植物病害识别方法及移动端应用

为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和InceptionV3在PlantVillage数据集(共38类26种病害)上平均识别率分别是95.02%和95.62%。在自建图像集葡萄病害叶片的识别中MobileNet和InceptionV3平均识别率分别是87.50%、88.06%,Inception V3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面Inception V3的模型尺寸大小为87.5 MB,MobileNet的模型尺寸为17.1 MB,大约是后者5倍;2种模型移植到手机端时,MobileNet和Inception V3的APP所占内存分别是21.5和125 MB;在手机端单张图片的识别时间方面,Inception V3平均计算时间约是174 ms,MobileNet的平均计算时间约是134 ms,后者的平均计算时间比前者快40 ms;在手机端MobileNet相比于Inception V3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。     

马铃薯薄片干燥过程形态变化三维成像

为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。     

All-around 3D plant modeling system using multiple images and its composition

In this study, we developed an all-around 3D plant modeling system that operates using images and is capable of measuring plants non-destructively without any contact. During the fabrication of this device, we selected a method capable of performing 3D model reconstruction from multiple images. We then developed an improved SfM-MVS (Structure from Motion / Multi-View-Stereo) method that enables 3D reconstruction by simply capturing images with a camera. The resulting image-based method offers a high degree of freedom because the hardware and software can comprise commercially available products, and it permits the use of one or more cameras according to the shape and size of the plant. The advantages of the image-based method are that 3D reconstruction can be conducted at any time as long as the images are already taken, and that the desired locations can be observed, measured, and analyzed from 2D images and a 3D point cloud. The device we developed is capable of 3D measurements and modeling of plants from a few millimeters to 2.4 m of height using this method. This article explains this device, the principles of its composition, and the accuracy of the models obtained from it.     

Improving the efficiency of plant root system phenotyping through digitization and automation

Root system architecture (RSA) determines unevenly distributed water and nutrient availability in soil. Genetic improvement of RSA, therefore, is related to crop production. However, RSA phenotyping has been carried out less frequently than above-ground phenotyping because measuring roots in the soil is difficult and labor intensive. Recent advancements have led to the digitalization of plant measurements; this digital phenotyping has been widely used for measurements of both above-ground and RSA traits. Digital phenotyping for RSA is slower and more difficult than for above-ground traits because the roots are hidden underground. In this review, we summarized recent trends in digital phenotyping for RSA traits. We classified the sample types into three categories: soil block containing roots, section of soil block, and root sample. Examples of the use of digital phenotyping are presented for each category. We also discussed room for improvement in digital phenotyping in each category.